空间目标碰撞概率的等效矩形域快速算法

针对线性相对运动假设下的碰撞概率计算问题,提出了等效矩形域方法。利用该方法将概率积分计算进行近似处理,推导出概率密度积分的解析表达式。针对空间目标误差椭球形状固定的情况,给出了最大碰撞概率的计算方法。对目标在交会时刻相距较远和接近碰撞的情况进行了碰撞概率以及最大碰撞概率计算。通过将计算结果与空间压缩无穷级数法的对比,验证了等效矩形域方法近似计算碰撞概率积分的可靠性,同时对于不同的碰撞概率计算情况,等效矩形域方法显示出更高精确度和更好的估计偏差稳定性。     

航天器姿态大角度机动有限时间控制

针对航天器姿态大角度机动控制问题,在存在外部扰动的情况下,基于航天器姿态跟踪系统的标准级联特性,利用反步法和自适应控制设计有限时间控制器。提出的控制方法可以严格保证姿态大角度机动系统是全局有限时间稳定的。李雅普诺夫理论推导和仿真结果表明,系统在控制器的作用下可以快速机动到平衡点并保持稳定,全物理仿真试验进一步表明了所提出的控制方法的有效性和优越性。     

利用捷联导引头打击机动目标的自抗扰制导律设计

针对导弹制导系统中存在模型不确定性和目标机动信息难以获取等特点,提出了一种线性自抗扰(LADRC)制导律的设计方法。该方法以捷联导引头弹目视线角为输入量,对控制对象模型已知部分进行前馈补偿,对控制对象模型的不确定部分和目标的未知信息通过线性扩张状态观测器(LESO)进行估计并予以动态补偿,对改造后的系统再利用比例微分(PD)控制,完成制导律的设计。该方法无需获取目标运动加速度即可实现对加速运动机动目标的打击。仿真结果表明,弹道末端需用过载小于导弹的最大可用过载,脱靶量满足指标要求,具有很高的工程应用价值。     

基于大数据的空间目标监测数据管理系统设计与应用

针对空间目标探测与识别试验系统监测站(简称监测站)海量目标识别数据管理效率不高、数据分析处理能力不足、观测数据使用效益未完全发挥、对系统服务性能提升贡献度不高的现状,利用Hadoop等大数据技术开发具备数据存储管理、分析挖掘、质量评估等功能的平台,建立系统设备性能状态主动受控式预警系统,解决了海量观测数据存储管理的难题。同时,综合利用大数据分析结果,挖掘探索监测数据相关性与影响规律,为提升空间目标监测系统服务性能提供可靠支撑。     

太空目标监视装备效能贡献率评估研究

为了促进太空目标监视装备体系的协调统一发展,为太空目标监视装备体系中新型装备的研制和发展提供依据,构建了太空目标监视装备效能贡献率评估指标,并对评估指标的内涵和度量方法进行了分析。通过对评估指标的有效性、重要性和完整性进行检验,保证了评估指标能够满足评估的需求。采用层次分析法给出了评估指标的权重系数,并通过仿真系统给出了各个评估指标的能力结果,得出了新型装备在太空目标监视装备体系中的效能贡献率。     

立德树人视域下飞行签派教员课程思政落实机制研究

通过对立德树人的职责和时代内涵的梳理,从思想认识、教学能力、教学手段3个方面分析了现阶段飞行签派员业务技能培训中课程思政方面的不足之处,由“立德”与“树人”的逻辑关系总结课程思政在飞行签派员培训中的积极作用,最后,从健全政策制度、坚持三观导向、发挥教员团队优势、增强德育能力和转变教育观念5个方面提出了提升飞行签派教员立德树人教学能力的途径和方法。     

基于姿态偏置的卫星天线方向图在轨测试实现

针对静止轨道通信卫星在轨测试期间天线方向图测试的需求,分析了天线方向图测试的方法。针对利用姿态机动进行天线方向图测试问题,给出了地面操作及操作计划制订方法,并通过工程实际验证了该方法的有效性。     

基于表观细粒度辨别网络的近海船舶目标检测方法

近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络（CNN）和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN（更快的基于区域的卷积神经网络）的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000 上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。